现在我正在做一个通过电脑辅助数据分析来确认文学文本模式的项目，这一方法，我们称为“词法组学”（Lexomics），一直非常成功，比我们根据导入的数据所做的预期还要成功。
几年前，我参加了在圣菲研究所举行的研讨会，在那里我见到了默里·盖尔曼，他在1969年由于基本粒子（他还将其命名为“夸克”，借用詹姆斯·乔伊斯的《芬尼根守灵夜》中的一个词 ）的研究工作被授予了诺贝尔物理学奖。当时，我正纠结于该如何解释用词法组学方法对《贝奥武夫》进行调查得出的初步结果。虽然我知道，那些对诗歌中词汇分布进行层次聚类分析所得出的让人困惑且矛盾的结果，一定存在某种模式，但我就是无法捕捉到其深层逻辑。那时，我听到盖尔曼教授讨论，他是如何给那些他发现于20世纪五六十年代的似乎不断激增的基本粒子（所谓的“粒子动物园” ）带来秩序的，他找到了他称为“八重道”的模型，这个词借用于佛教的“崇高的八正道”。 我开始钻研盖尔曼的研究，最后终于理解了，一套相对小而简单的物理特征的组合可能性，就能够解释被发现的所有粒子。我知道，盖尔曼借用文学作品中的词汇“夸克”或者“八重道”，不仅是一种聪明的标记方法，事实上还展现了，对于文学、哲学、语言、宗教和历史的深刻了解是如何为重大的科学发现做出贡献的。盖尔曼对于传统自由技艺的博学广识与他的科学和数学知识结合起来，即便在缺少一个关键证据的情况下，还是使他在大量复杂且不完整的数据中洞察到了深层次的均衡与对称（1964年发现的带负电的Ω粒子是对盖尔曼理论的进一步证实，这一发现让人振奋 ） 。
这就是自由技艺思维通向更好的科学的有力证据。我自己的工作就是科学改进自由技艺的例证，在我研究盖尔曼的工作后，我突然意识到，《贝奥武夫》的词汇组学数据分析得到的最初复杂且让人困惑的结果，可以用分析方法通过用一个非常简单的深层框架进行检测的方式进行解释。如果没有科学与自由技艺的互授精华— —正如这一互授发生在盖尔曼身上，也发生在了我身上；正如其用特定的技术做到互授一样，还用思维方式做到了这一点— —就不会有我的《揭秘〈贝奥武夫〉》这本书。
许多自由技艺采用的这种定性的、初步近似的方法— —这类方法已经演化，能做到试图从不完整的、模糊的或者自相矛盾的数据中得出结论，是为获得科学或者技术成就迈出的极其重要的第一步。在词汇组学数据研究中，不止一次，我粗略拼凑出一个不好用的、混乱的且一次性的问题的解决方法，而那些问题常常让我的研究伙伴望而却步，这是因为他们接受的是计算机科学训练，因此对于简洁性和清晰性要求极高。“那个真是太劣质了！” 勒布朗教授说道，当时我正在向他演示，我们如何用一种简单的方法去数每行文本中某些字母的个数，并手动输入到电子数据表中，用滑动平均数计算相对频率这个比值，制成图，随后可以用这个图找到群集或空缺的字母。虽然这是一个不简洁的“劣质品”，但我的合作伙伴和我能够把这个即兴想法变成一个有效的分析技术，做出定制软件，使我们能够在任何一个电子文本上（即使文本使用的是非罗马字母 ）操作这个“滚动窗口分析”。这个新技术，据我们所知，由我们发明，同时已经创造出了关于过去的让人惊讶的新发现，如果没有自由技艺赋予的那种思维方式，它就不可能被研发出来。
因此，虽然我非常重视科学和技术成果，但花在自由技艺的资源如果被用来给予科学性学科以额外的支持会产生更好的结果，对于这一结论我无法认同。自由技艺不仅消耗更少比例的资源（对于多数研究，我们只需要书和教室，这远没有实验室、仪器和试剂昂贵），而且为人类付诸努力的所有领域做出了巨大贡献。希望收获最大回报的社会，不会为了科学牺牲自由技艺，而且将找到把自由技艺和科学结合起来的方法，这样两者才能互利互惠。
有人说这些学科已经完全政治化，倒向了一方（左派）——对我而言，尤其是在2016年总统大选后，在美国当前极度拥护自己所属党派的政治气候下，解决起来是最难的，也是最让人不快的。在我看来，不煽动人们的情绪，几乎就不可能讨论政治问题，所以我担心，这一章的这个部分，我尽可能不偏袒任何一方，但还会激怒多数人，愉悦少数人。然而，如果避免讨论或者有意忽视这一批评意见，会削弱这本书的主旨。对自由技艺最有效的辩护需要我们采用言辞最激烈的、情感上最有感染力的论点来反驳那些批评。
